如果把一家公司看成一個 Black Box，它做的事情其實很簡單。
一端輸入客戶的需求；另一端輸出客戶最後取得的產品、服務或結果。中間則是一連串把需求轉換成結果的工作。
Customer Needs
↓
Processes / Decisions / Resources / Work
↓
Customer Outcomes
我們現在很習慣把中間這一大段切成業務、採購、生管、製造、品管、倉庫、人事、財務與 IT。
不過，如果從 First Principles 重新思考，也許應該先問另一個問題：
為了把客戶需求轉換成結果，哪些事情一定要發生？
部門可能是答案的一部分，但不應該是問題的起點。
組織本質上是一套轉換系統
如果公司提供服務，它要做的是運用適當的資源，把客戶需要的服務交付出去。
如果公司生產產品，它要做的則是取得原料，經過設計、生產、檢驗與交付，把原料轉換成客戶需要的產品。
換句話說，組織本質上是一套轉換系統。
它把原料、資訊、資金、人力、設備與知識，透過一連串工作與決策，轉換成產品、服務與客戶價值。
所以真正需要先設計的，不是組織圖，而是：
- 我們要產生什麼 Outcome？
- 為了產生這個 Outcome，哪些 Process 必須存在？
- 每個 Process 需要哪些工作、判斷與資源？
- 最後才決定由誰或什麼來完成。
這個順序看起來只是把問題倒過來問，但它可能會帶來完全不同的組織。
一個鐵匠，其實已經擁有一家公司的所有功能
假設今天我要做一個簡單的鋼製鐵架。
我需要取得鋼板，完成裁切、折彎、焊接與必要的表面處理，確認產品符合需求，再交付給客戶並收款。
如果客戶只訂一件，而且我是一個傳統鐵匠，這些事情可能全部由我一個人完成。
我自己跟客戶討論、報價、買材料、生產、檢查、交貨，最後也是我自己收錢。
這時候公司可能只有一個人，但業務、採購、生產、品管、倉管與財務這些 Function，其實都已經存在。
只是它們沒有被分成部門。
這說明了一件事：
Function 需要存在，不代表 Department 一定需要存在。
部門不是商業活動的最小單位。工作、判斷與能力才是。
當一件變成一萬件，問題就不同了
現在假設客戶不是訂一個鐵架，而是一次訂一萬個。
為了方便估算，先假設一位鐵匠一天可以完成十個，那麼一萬個鐵架需要一千個人天。
一個人要做一千天；十個人約要一百天；五十個人則大約需要二十個工作天。
到了這個規模，問題已經不只是「怎麼做一個鐵架」，而是：
怎麼讓五十個人一起有效率地完成一萬個鐵架？
有些人可以裁切，有些人折彎，有些人焊接，也可能每個人都從頭做到尾。材料與半成品需要空間存放，生產進度需要安排，品質需要確認，客戶變更需要有人處理，最後還要安排出貨。
工作的規模增加後，專業分工、協調、管理與控制就開始變得重要。
部門因此出現，並不是沒有道理。它是企業在規模化之後，為了解決複雜度而形成的一種方法。
真正需要重新思考的，不是「部門有沒有用」，而是：
我們是不是太習慣從部門開始設計工作？
傳統組織先有部門，再把工作放進去
如果今天要替一家五十人的工廠設計組織，很自然地可能會先畫出：
總經理
├─ 業務部
├─ 生管部
├─ 採購部
├─ 製造部
├─ 品管部
├─ 管理部
└─ 財務部
接著，我們把工作分進這些部門，再找人擔任各種職位。
這套方法可以運作，但它有一個隱藏假設：現有的部門邊界仍然是最合理的工作邊界。
First-Principles 的順序剛好相反：
先定義 Outcome
↓
拆解必要 Process
↓
拆解 Tasks / Decisions
↓
確認需要的 Capability
↓
最後決定由誰或什麼執行
以前，最後一題通常只有一個答案：找一個人。
現在可能的答案已經包括 Human、Software、Automation、AI Agent、Human + AI，或 External Service。
AI 真正改變的，不只是工作速度，而是組織設計時可以使用的基本材料。
薪資計算是一個很具體的例子
假設一家公司每個月需要計算薪資。
傳統流程可能包括：
- 收集出勤資料；
- 確認請假與加班；
- 套用薪資結構與計算規則；
- 產生薪資清冊與薪資單；
- 安排付款；
- 發送薪資單並保存紀錄。
當工作量增加時，過去很自然的反應是：「是不是需要再請一個人？」
不過，拆開來看，這些工作有很大一部分是在讀取資料、套用規則、計算、產生文件、操作系統與傳送資訊。
如果出勤、假別、薪資規則與員工資料已經存在系統裡，而且格式清楚，Software Automation 或 AI Agent 就可能協助完成其中一部分。
這不代表薪資可以完全不需要人。
異常資料需要確認，規則變更需要審核，付款需要權限與責任，最後結果也需要留下可以追溯的紀錄。AI 可以處理大量規則型工作，但責任並不會因此消失。
比較合理的分工可能是：
AI / Software
讀取資料 → 套用規則 → 計算 → 找出異常 → 產生草稿
Human
確認異常 → 判斷例外 → 核准結果 → 承擔責任
如果例行計算能被系統處理，人事人員就可以把更多時間放在人的工作上：溝通、協調、訓練、人才發展、主管協助，以及組織能力是否跟得上公司的方向。
數位轉型其實是在替這件事鋪路
過去企業談數位轉型，常常先想到把紙本變成電子檔。
但從 AI 協作的角度來看，更重要的是讓資訊與流程變成 machine-readable 與 machine-operable。
如果出勤資料還在紙本打卡卡片上，AI 要處理之前，仍然需要有人把資料轉成可讀取的形式。
如果資料已經結構化存在系統裡，薪資規則也有明確欄位，相關系統又提供可以操作的介面，AI 才有機會直接讀取、計算、建立紀錄，並把需要人判斷的例外送回來。
所以數位化本身不是終點。它真正的價值之一，是讓工作可以被重新拆解與分配。
不過，資料數位化也不等於流程已經適合交給 AI。資料品質、權限、規則版本、例外處理與稽核方式都需要先被設計。否則只是把原本的人工錯誤，換成速度更快、規模更大的系統錯誤。
不要先問 AI 可以取代誰
我認為，接下來很多公司最容易問錯的問題是：
哪些人可以被 AI 取代？
如果我們拿現有組織圖來問這個問題，仍然是被既有部門與職位限制住。
比較好的問題應該是：
如果今天重新設計這家公司，為了完成客戶需要的 Outcome，哪些工作真的必須存在？
接著再逐一確認：
| 問題 | 需要確認的事情 | |---|---| | 這件工作為什麼存在？ | 它是否真的產生客戶或下一個流程需要的結果？ | | 它需要什麼 Input？ | 資料是否完整、結構化並可以取得？ | | 它需要什麼判斷？ | 是規則型工作，還是高度不確定的情境？ | | 最適合由誰完成？ | Human、AI、Software，還是組合？ | | 什麼情況必須交回給人？ | Exception、Judgment、Approval 或責任歸屬？ | | 如何確認結果？ | 有沒有 Control、Audit 與 Verification？ |
這樣的組織設計，不再只是 Department Design，而比較接近 Work Architecture。
部門可能還在，但它不再是唯一的邊界
未來的公司不一定會沒有部門。
人仍然需要歸屬、發展、領導與責任界線。某些專業能力也需要長期累積，不可能每次都為一個流程臨時組合。
不過，部門可能不再是工作運作最重要的單位。
真正產生客戶結果的，通常是一條跨部門流程。例如一張訂單從詢價開始，可能會經過業務、工程、報價、生管、採購、製造、品管與物流。
從客戶的角度來看，他要的不是八個部門各自完成工作，而是訂單被正確交付。
所以，未來更值得設計的也許是：
- End-to-End Process
- Human-AI Team
- Event-driven Workflow
- Exception-based Management
- 可以被調度與驗證的 Capability Network
人不再只是「某一個部門的人」，AI 也不只是「某一套軟體」。兩者都是組織為了完成 Outcome，可以被安排與組合的能力。
如果是我，我會先重畫一條流程
要重新設計組織，不需要先把整張組織圖打掉。
比較實際的做法，是先挑一條範圍清楚、結果容易驗證，而且失敗可以回復的流程。例如出勤統計、報價資料整理，或某一種例行採購確認。
接著把它拆成六個部分：
- Input：流程需要哪些資料？資料從哪裡來？
- Rule：哪些判斷有明確規則？哪些沒有？
- Output：完成後必須產生什麼結果或紀錄？
- AI / Software：哪些步驟可以讀取資料、套用規則或產生草稿？
- Human Checkpoint：哪些例外、核准與責任必須留給人？
- Recovery：如果結果錯了，如何發現、停止並回復？
跑過一個完整循環，確認效率、錯誤與責任真的比較清楚，再決定要不要擴大到下一條流程。
這樣做的目的不是急著拿掉一個職位或部門，而是先看清楚：原本綁在一起的工作，有沒有更合理的分配方式。
如果今天重新發明一次公司
假設今天是人類第一次設計「公司」。
我們沒有看過業務部、採購部、生管部、人事部或財務部，也沒有任何教科書先告訴我們公司應該長什麼樣子。
我們手上只有客戶需求、原料、設備、資金、人、Software 與 AI Agents。
然後有人告訴我們：
請設計一套系統，把這些資源轉換成客戶需要的產品或服務，而且要快速、可靠，也能持續改善。
我們最後設計出來的組織，還會跟今天一樣嗎？
我不確定。
不過，我越來越相信，真正有競爭力的公司，不會只是使用更多 AI，而是更早開始理解：AI 已經改變了組織設計時所依賴的基本假設。
接下來真正需要被拆開重新檢查的，是 Outcome、Process、Capability、Decision 與 Resource。
然後再決定：
哪些事情應該存在、應該怎麼做，以及由 Human 還是 AI 來完成。